川教版（2019）八年级上册第三单元 生活中的策略思维第1节 体验生活中的策略教学设计及反思

导入新课

展示两张脸部识别的图片

通过上一单元的学习，我们知道了人脸识别技术可以用在很多地方，那么解决“如何识别人脸”的方法，就是一种策略，下面，让我们和欢欢一起来体验一下什么是“策略”吧!

听老师讲解

 复习上单元内容，调动学生学习的积极性，为以下的学习打下良好的基础

讲授新课

策略和方法的区别

方法：是为了完成一定的目的和任务，活动中所采用的方式、手段

策略：是不同的条件下，为达到不同的结果所采用的方式、方法、媒体的总和，可以实现目标的方案集合，根据形势发展而制定的行动方针和斗争方法

一 “快递员派送”的策略

“网购”催生了许多行业的发展，其中最典型的，就是物流行业的兴盛。人们在网上买好东西以后，物流公司的快递员负责把包裹送到收货驿站。

识别不同的快递

忙碌的快递

面对大量包裹，快递员派送包裹都有自己的策略。我们先来看看下面这幅路线示意图。

如上图所示，从A到B路程为10km，B到C为15km，C到D为9km，B到D为16km，A到D为13 km，A到C为18 km。快递员每天需要从A点出发，将包裹送往B、C、D三个点后回到A点。请你帮助快递员找出最短的送货路径，并将所有路线的总距离都计算了出来填写在下面的表格中：

刚才我们填写的表格中，共有6种路线方案，因为两个点间的往返距离完全相同，所以方案1和方案6的总距离一样，以此类推，其实只有方案1、2、3共计3种路线方案。这三种完成任务的方法，就是快递员派送的策略。

假设同学们帮快递员设计的派送路线是ABCD，这种策略并不能完成任务，它就是“无效策略”。方案1~6虽然完成效率各不相同，但是只要能完成任务，就是“有效策略”。而在方案1、2、3之中，方案1的距离是最短的，则它是最有效的策略。同学们选用这种排列出所有路线，从而计算出最短距离的方式，就是解决问题的策略。当这个问题更复杂一些，例如快递员有几十个收货驿站需要派送时，这时候就需要更高效的“算法”来解决。

拓展：从问题到程序

面对问题的时候，一旦确定了策略，实际上也就解决了“怎么做”的问题。让计算机明白“怎么做”，就需要把策略转化成程序。

从问题到程序的一般流程：

例如“快递员派送”案例，同学们的策略是将所有路线的总距离全部排列出来进行对比，最后确定最短路径。其策略就可用如下数学方式来描述：

设Di为方案i的距离

D1=AB+BC+CD+AD

D2=AB+BD+CD+AC

D3=AC+BC+BD+AD

则最短距离为min (D1,D2,D3)

二 “快递员派送”伪代码

1、看视频《伪代码》

2、伪代码作为算法和策略之间的桥梁，能够帮助人们读懂解决问题的思路和流程。编写伪代码可以使用中文、英文等任何自然语言。伪代码不需要严格按照编程语言的语法来书写，仅用于理清算法的思路。

【简单示例】输入3个数，打印输出其中最大数可用如下的伪代码表示：

1      Begin（算法开始）

2     输入 A，B，C

3     IF A>B 则 A→Max

4     否则 B→Max

5    IF C>Max 则 C→Max

6    Print Max

7    End （算法结束）

“快递员派送”的伪代码如下:

Begin

 AB=10,BC=15,CD=9,BD=16,AD=13,AC=18

 D1=AB+BC+CD+AD

 D2=AB+BD+CD+AC

 D3=AC+BC+BD+AD

 minD=min{D1,D2,D3}

 Print(minD)

End

任务一 如果快递员需派送的点不止A、B、C、D四个，而是20个点，应该使用什么样的策略?

三 生活中的营销策略

基本介绍

（1）概述：1993年美国学者Agrawal(阿格拉沃尔)提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。阿格拉沃尔从数学及计算机算法角度提出了商品关联关系的计算方法——Apriori算法。其核心思想是通过候选集生成和情节的向下封闭检验检测两个阶段来挖掘频繁项集。

（2）优点

[1] 该算法的关联规则关联规则是在频繁项集基础上产生的，这可以保证这些规则的支持度达到指定的水平，具有普遍性和令人信服的水平；

[2] 算法简单，易于理解，对数据的要求低。

（3）缺点

[1] 在每一步产生候选项目集的时候循环产生的组合过多，没有排除不应参与组合的项；

[2] 每次计算项集的支持度的时候，都对数据库中的全部数据进行了一遍扫描比较，I/O负载很大。

典型案例一《啤酒与尿布》

故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难以理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中。这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。

在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮中的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。

沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以比较容易地同时找到这两件商品，并很快地完成购物，而沃尔玛超市也可以让这些客户一次购买两件商品，而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布”故事的由来

分析：

1、沃尔玛拥有一双锐利的慧眼。沃尔玛是一家极其讲究卖场现场管理的企业，沃尔玛创始人老沃尔顿最大的乐趣就是不停地在卖场巡视，更多地运用自己的双眼而不是数据来发现事实。因此不能忽略的是，没有沃尔玛管理人员的慧眼，“啤酒与尿布”的故事也会淹没在大量的零售数据中。沃尔玛从20世纪90年代着手进行数据挖掘项目，尝试将Apriori算法引入到收银机数据分析中，并获得了成功。算是数据挖掘的先驱者。

2、是沃尔玛先进的计算机技术是“啤酒与尿布”故事产生的强大支持后盾。零售业目前使用的很多新技术都是沃尔玛率先“尝鲜”的，比如沃尔玛最早在门店尝试计算机记账，最早在门店收款台尝试使用外形丑陋俗称“牛眼”的条码扫描器进行收款，世界上第一个发射私人通信卫星等等。目前运用于门店管理的很多技术手段都是沃尔玛做了“第一个吃螃蟹”的，我们只不过坐享其成而已。由于沃尔玛具备先进的技术手段，“啤酒与尿布”的故事在沃尔玛产生就一点也不奇怪了。

案例二《Google成功预测冬季流感》

2009年，Google通过分析5000万条美国人最频繁检索的词汇，将之和美国疾病中心在2003年到2008年间季节性流感传播时期的数据进行比较，并建立一个特定的数学模型。最终google成功预测了2009冬季流感的传播甚至可以具体到特定的地区和州。

课堂练习

思考讨论：从“啤酒与尿布”的故事中获得了什么样的启示？

了解方法和策略的不同

看快递的图片

解快递员派送包裹的策略

计算路径，并做比较，找出最佳路线方案

看视频

小组合作完成

分清楚概念，才能合理的利用

了解快递行业

培养缜密的思考问题的方式

考察学生的计算能力，知道数学和计算机技术是紧密相连的，学好基础文化课程是非常重要的

了解伪代码

拓展思维，培养团结合作的精神

课堂小结

总结本节课所学内容

学生回答

梳理本节课的知识点，完成学习目标，培养学生总结概况能力

板书设计